KR20180074188A - 설비 모니터링 장치 및 방법 - Google Patents
설비 모니터링 장치 및 방법 Download PDFInfo
- Publication number
- KR20180074188A KR20180074188A KR1020160178029A KR20160178029A KR20180074188A KR 20180074188 A KR20180074188 A KR 20180074188A KR 1020160178029 A KR1020160178029 A KR 1020160178029A KR 20160178029 A KR20160178029 A KR 20160178029A KR 20180074188 A KR20180074188 A KR 20180074188A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- facility
- data
- value
- sensing
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012544 monitoring process Methods 0.000 title claims abstract description 57
- 230000002159 abnormal effect Effects 0.000 claims abstract description 58
- 238000004519 manufacturing process Methods 0.000 claims abstract description 51
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000003745 diagnosis Methods 0.000 claims abstract description 11
- 238000005096 rolling process Methods 0.000 claims description 169
- 238000012545 processing Methods 0.000 claims description 118
- 238000007726 management method Methods 0.000 claims description 58
- 238000011156 evaluation Methods 0.000 claims description 34
- 238000004891 communication Methods 0.000 claims description 30
- 238000013480 data collection Methods 0.000 claims description 29
- 238000012805 post-processing Methods 0.000 claims description 18
- 238000012795 verification Methods 0.000 claims description 14
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 210000004392 genitalia Anatomy 0.000 claims description 2
- 238000012806 monitoring device Methods 0.000 claims 3
- 238000013500 data storage Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 229910000831 Steel Inorganic materials 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 238000003672 processing method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013000 roll bending Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G06N99/005—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
본 발명의 일실시예에 따르면, 설비 모니터링 장치 및 방법이 공개된다. 본 발명의 일실시예에 따른 설비 모니터링 장치는 설비의 상태를 감지하여 센싱 신호를 출력하는 센서부, 및 상기 센싱 신호, 상기 설비의 설정과 관련된 설정 정보, 및 상기 설비에 의해 생산된 제품 정보를 수신하고, 상기 센싱 신호에 대해 통계적 기법을 적용하여 센싱 통계값을 산출하고, 상기 설정 정보와 상기 제품 정보 사이의 차이인 생산 편차에 대해 통계적 기법을 적용하여 생산 편차 통계값을 산출하고, 상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 정상 상태 표준 데이터를 이용하여 설비의 이상 여부를 1차적으로 판단하고, 상기 1차적 판단 결과 설비 이상으로 판단되면, 상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 비정상 상태 표준 데이터를 이용하여 설비 이상 여부를 2차적으로 판단하는 상태 진단 및 해석 장치를 포함한다.
Description
본 출원은 공장 등에 배치된 설비를 감시하고, 설비와 관련된 정보를 수집하여 해석하고, 설비를 진단하는 장치 및 방법에 관한 것이다.
공장에 배치된 설비들에 문제가 발생할 경우, 생산되는 제품의 품질에 문제가 발생하거나, 제품 생산이 불가능해지는 등의 문제가 발생한다. 또한, 보다 좋은 품질의 제품을 생산하기 위해서, 공장에 배치된 설비들에 부하가 많이 가해지고 있다.
예를 들면, 철강 등을 생산하는 공장에는 다수의 압연기들이 존재하고 있다. 그런데, 현재 철강 시장에서는 고품질, 고장력, 고부가 가치 및 종래에 존재하지 않았던 물성 특성들의 제품들을 생산이 요구되고 있어, 상기 압연기들에 대한 부하가 증가되고 있다. 이러한 부하 증가로 인하여, 압연기들의 설비 파단 등의 문제 발생이 증가하고 있다.
또한, 기존의 압연기 설비 상태를 모니터링하는 상용 장치들의 경우에는 단순히 센서기술들을 이용하여 센서 기술에 의존적으로 시스템을 구성하고 있다. 구체적으로, 종래의 모니터링 장치의 경우, 단순 센서 및 하드웨어 장비들을 이용하여, 센서 신호를 단순 모니터링하고, 주파수 파형 정도만 분석하여, 설비 상태를 운전자가 간접적으로 판단할 수 있도록 구성되어 있었다.
본 발명의 일실시예에 따르면, 공장의 설비들을 보다 효과적으로 모니터링할 수 있는 설비 모니터링 장치가 제공된다.
본 발명의 일실시예에 따르면, 공장의 설비들을 보다 효과적으로 모니터링할 수 있는 설비 모니터링 방법이 제공된다.
본 발명의 일실시예에 따른 설비 모니터링 장치는 설비의 상태를 감지하여 센싱 신호를 출력하는 센서부, 및 상기 센싱 신호, 상기 설비의 설정과 관련된 설정 정보, 및 상기 설비에 의해 생산된 제품 정보를 수신하고, 상기 센싱 신호에 대해 통계적 기법을 적용하여 센싱 통계값을 산출하고, 상기 설정 정보와 상기 제품 정보 사이의 차이인 생산 편차에 대해 통계적 기법을 적용하여 생산 편차 통계값을 산출하고, 상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 정상 상태 표준 데이터를 이용하여 설비의 이상 여부를 1차적으로 판단하고, 상기 1차적 판단 결과 설비 이상으로 판단되면, 상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 비정상 상태 표준 데이터를 이용하여 설비 이상 여부를 2차적으로 판단하는 상태 진단 및 해석 장치를 포함한다.
본 발명의 일실시예에 따른 설비 모니터링 장치의 상기 설비는 압연기이고, 상기 센서부는 상기 압연기의 진동을 감지하여 상기 센싱 신호를 출력하고, 상태 진단 및 해석 장치는 목표 두께에 관한 정보를 상기 설정 정보로 입력하고, 상기 압연기를 통과한 제품의 두께에 관한 정보를 상기 제품 정보로 입력할 수 있다.
본 발명의 일실시예에 따른 설비 모니터링 장치의 상기 상태 진단 및 해석 장치는 상기 압연기를 제어하는 압연 제어기의 시스템 시간 정보, 상기 압연기별 제어 정보들, 상기 압연기별 기계적 특성 정보들, 및 상기 압연기별 물리적 특성 정보들을 추가적으로 입력하여 저장할 수 있다.
본 발명의 일실시예에 따른 설비 모니터링 장치의 상기 상태 진단 및 해석 장치는 상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 상기 정상 상태 표준 데이터 사이의 마할라노비스 거리인 제1 이상치 거리를 추출하고, 상기 제1 이상치 거리에 따라 상기 설비의 이상 여부를 1차적으로 판단하고, 상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 상기 비정상 상태 표준 데이터 사이의 마할라노비스 거리인 제2 이상치 거리를 추출하고, 상기 제2 이상치 거리에 따라 상기 설비의 이상 여부를 2차적으로 판단할 수 있다.
본 발명의 일실시예에 따른 설비 모니터링 장치의 상기 상태 진단 및 해석 장치는 상기 제1 이상치 거리가 제1 문턱값 이상으로 산출된 제1 횟수와, 상기 제2 이상치 거리가 제2 문턱값 이하로 산출된 제2 횟수를 구하고, 상기 제1 횟수와 상기 제2 횟수의 합계값에 따라 상기 설비의 이상 정도를 판단할 수 있다.
본 발명의 일실시예에 따른 설비 모니터링 장치의 상기 상태 진단 및 해석 장치는 상기 센싱 신호, 상기 설정 정보, 및 상기 제품 정보를 수집하는 데이터 수집 서버, 상기 데이터 수집 서버로부터 상기 센싱 신호, 상기 설정 정보, 및 상기 제품 정보를 제공받고, 상기 센싱 통계값, 상기 생산 편차 통계값, 상기 제1 이상치 거리, 및 상기 제2 이상치 거리를 산출하고, 상기 설비의 이상 여부를 판단하는 데이터 처리 서버, 상기 정상 상태 표준 데이터 및 상기 비정상 상태 표준 데이터를 저장하는 설비상태 평가용 표준 데이터베이스, 상기 통계적 기법을 적용하기 위한 알고리즘 라이브러리, 알고리즘 라이브러리에 대한 정보, 및 상기 알고리즘 라이브러리의 동작에 대한 설정 정보를 상기 데이터 처리 서버로 제공하는 데이터 처리 알고리즘 관리 서버, 및 상기 데이터 처리 서버에 의한 판단 결과와 상기 센싱 신호, 상기 설정 정보, 및 상기 제품 정보를 매핑하여 저장하는 압연기 평가 정보 데이터 베이스를 포함할 수 있다.
본 발명의 일실시예에 따른 설비 모니터링 장치의 상기 상태 진단 및 해석 장치는 상기 센싱 통계값, 상기 생산 편차 통계값, 상기 제1 이상치 거리, 및 상기 제2 이상치 거리에 대한 정보를 저장하고, 저장된 정보들을 이용하여 성기 설비가 이상으로 판단되는 시점들 사이의 시간 간격을 추출하고, 상기 시간 간격을 기초로 상기 설비의 수명 및 신뢰성을 평가하는 데이터 사후 처리 및 수명 예측 서버를 더 포함할 수 있다.
본 발명의 일실시예에 따른 설비 모니터링 장치의 상기 상태 진단 및 해석 장치는 상기 데이터 처리 장치에 의한 상기 설비의 이상 여부 판단에 대해 사후적 검증 결과를 입력하여 상기 데이터 처리 알고리즘 관리 서버로 출력하는 사후 분석 및 검증 장치를 더 포함하고, 상기 데이터 처리 알고리즘 관리 서버는 상기 검증 결과를 이용하여 상기 설비상태 평가용 표준 데이터베이스에 저장된 데이터를 갱신할 수 있다.
본 발명의 일실시예에 따른 설비 모니터링 장치는 상기 센서부, 상기 설정 정보를 출력하는 제1 제어기, 및 상기 제품 정보를 출력하는 제2 제어기 각각과 상기 상태 진단 및 해석 장치 사이의 통신과 관련된 통신 설정 사항들을 설정하고 관리하는 통신 프로토콜 관리 장치를 더 포함할 수 있다.
본 발명의 일실시예에 따른 설비 모니터링 장치는 사용자의 설정에 의해 상기 센싱 신호 대신 가상 센싱 신호를 생성하여 출력하는 가상센서 시뮬레이터를 더 포함할 수 있다.
본 발명의 일실시예에 따른 설비 모니터링 방법은 설비의 상태를 나타내는 센싱 신호를 입력하고, 상기 센싱 신호에 대해 통계적 기법을 적용하여 센싱 통계값을 산출하는 단계, 상기 설비의 설정과 관련된 설정 정보와 상기 설비에 의해 생산된 제품 정보를 수신하고, 상기 설정 정보와 상기 제품 정보 사이의 차이인 생산 편차에 대해 통계적 기법을 적용하여 생산 편차 통계값을 산출하는 단계, 상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 정상 상태 표준 데이터를 이용하여 설비의 이상 여부를 1차적으로 판단하는 단계, 및 상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 비정상 상태 표준 데이터를 이용하여 설비의 이상 여부를 2차적으로 판단하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 설비 모니터링 방법의 상기 1차적으로 판단하는 단계는 상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 상기 정상 상태 표준 데이터 사이의 마할라노비스 거리인 제1 이상치 거리를 추출하고, 상기 제1 이상치 거리에 따라 상기 설비의 이상 여부를 판단할 수 있다.
본 발명의 일실시예에 따른 설비 모니터링 방법의 상기 2차적으로 판단하는 단계는 상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 상기 비정상 상태 표준 데이터 사이의 마할라노비스 거리인 제2 이상치 거리를 추출하고, 상기 제2 이상치 거리에 따라 상기 설비의 이상 여부를 판단할 수 있다.
본 발명의 일실시예에 따른 설비 모니터링 방법은 상기 제1 이상치 거리가 제1 문턱값 이상으로 산출된 제1 횟수와, 상기 제2 이상치 거리가 제2 문턱값 이하로 산출된 제2 횟수를 구하고, 상기 제1 횟수와 상기 제2 횟수의 합계값에 따라 상기 설비의 상태를 판단하는 단계를 더 포함할 수 있다.
따라서, 본 발명의 일실시예에 따른 설비 모니터링 장치 및 방법에 따르면, 설비와 관련된 정보들, 예를 들면, 센서에 의해 수집된 정보들, 설비 운영과 관련된 정보들, 설비 자체의 특성과 관련된 정보들 등을 통합적으로 수집할 수 있고, 이들을 처리하기 위한 알고리즘 라이브러리를 동적으로 등록 및 관리할 수 있다. 또한, 상기 정보들을 처리 및 표시하고, 대용량 데이터 처리 기능을 제공하여 실시간으로 처리되어 추출되는 실시간 데이터 처리 정보들을 다차적으로 처리 및 분석할 수 있는 환경을 제공할 수 있다. 또한, 설비들의 문제 문제 발생 및 구성 설비 판단 등을 사전에 파악할 수 있으며, 상기 문제들의 발생(예를 들면, 설비의 폴트(fault) 및 깨짐 (Breakage))을 예측하여, 상기 문제들이 발생하지 않도록 하는데도 도움을 줄 수 있다.
도 1은 본 발명의 일실싱예에 따른 설비 모니터링 장치를 포함하는 시스템을 간략하게 나타낸 것이다.
도 2는 도 1에 나타낸 본 발명의 일실시예에 따른 상태 진단 및 해석 장치(200)의 실시예의 구성을 개략적으로 나타낸 도면이다.
도 3은 본 발명의 일실시예에 따른 설비 모니터링 장치의 데이터 수집 서버가 데이터들을 수집하는 과정을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 설비 모니터링 장치에서 데이터 처리 서버(130)에 의한 데이터 처리 방법을 개략적으로 설명하기 위한 도면이다.
도 5는 본 발명의 일실시예에 따른 설비 모니터링 방법을 설명하기 위한 동작 흐름도이다.
도 6은 도 5에 나타낸 본 발명의 일실시예에 따른 설비 모니터링 방법의 통계적 방법으로 해석하는 S100 단계를 보다 구체적으로 설명하기 위한 동작 흐름도이다.
도 7은 도 5에 나타낸 본 발명의 일실시예에 따른 설비 모니터링 방법의 편차를 산출하는 S200 단계를 보다 구체적으로 설명하기 위한 동작 흐름도이다.
도 8은 데이터 처리 알고리즘 관리 서버의 동작을 설명하기 위한 도면이다.
도 9는 대용량 데이터 사후 처리 및 수명 예측 서버의 동작을 설명하기 위한 도면이다.
도 10은 데이터 사후 분석 및 검증 장치의 동작을 설명하기 위한 도면이다.
도 2는 도 1에 나타낸 본 발명의 일실시예에 따른 상태 진단 및 해석 장치(200)의 실시예의 구성을 개략적으로 나타낸 도면이다.
도 3은 본 발명의 일실시예에 따른 설비 모니터링 장치의 데이터 수집 서버가 데이터들을 수집하는 과정을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 설비 모니터링 장치에서 데이터 처리 서버(130)에 의한 데이터 처리 방법을 개략적으로 설명하기 위한 도면이다.
도 5는 본 발명의 일실시예에 따른 설비 모니터링 방법을 설명하기 위한 동작 흐름도이다.
도 6은 도 5에 나타낸 본 발명의 일실시예에 따른 설비 모니터링 방법의 통계적 방법으로 해석하는 S100 단계를 보다 구체적으로 설명하기 위한 동작 흐름도이다.
도 7은 도 5에 나타낸 본 발명의 일실시예에 따른 설비 모니터링 방법의 편차를 산출하는 S200 단계를 보다 구체적으로 설명하기 위한 동작 흐름도이다.
도 8은 데이터 처리 알고리즘 관리 서버의 동작을 설명하기 위한 도면이다.
도 9는 대용량 데이터 사후 처리 및 수명 예측 서버의 동작을 설명하기 위한 도면이다.
도 10은 데이터 사후 분석 및 검증 장치의 동작을 설명하기 위한 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시 형태들을 설명한다. 그러나, 본 발명의 실시형태는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명하는 실시 형태로 한정되는 것은 아니다. 또한, 본 발명의 실시형태는 당해 기술분야에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해서 제공되는 것이다.
도 1은 본 발명의 일실시예에 따른 설비 모니터링 장치를 포함하는 시스템을 간략하게 나타낸 것으로서, 압연 설비를 모니터링하는 경우를 예시한 도면이다. 본 발명의 일실시예에 따른 설비 모니터링 장치가 모니터링하는 압연 설비는 복수개의 압연기들(110), 압연 제어기(120) 및 압연 SCC(Supervisory Control Computer)(130)를 포함할 수 있다. 본 발명의 일실시예에 따른 설비 모니터링 장치는 센서들(140), 상태 진단 및 해석 장치(200), 가상센서 시뮬레이터(300), 및 통신 프로토콜 관리 장치(400)를 포함할 수 있다.
복수개의 압연기들(110)은 압연 제어기(120)의 제어에 따라 강판을 소정의 두께로 압연할 수 있다.
압연 제어기(120)는 PLC(Programmable Logic Controller)일 수 있으며, 압연 SCC(130)로부터 수신한 다양한 셋업 정보에 따라 복수개의 압연기들(110)을 제어할 수 있다. 또한, 압연 제어기(120)는 압연기별 제어 정보, 압연기별 기계적 특성 신호들, 압연기별 물리적 특성 신호들, 및 압연기를 지난 제품의 생산 상태 정보들 중 적어도 하나 이상을 포함하는 제어 및 특성 정보(i_con)를 출력할 수 있다. 압연기별 기계적 특성 신호들 및 압연기별 물리적 특성 신호들은 압연기별 스피드, 압연기별 모터 전류, 압연기별 롤 포스, 압연기별 롤 갭, 압연기별 입측 및 출측의 텐션 정보, 압연기별 푸시 업 실린더 포지션, 워크롤 벤딩율, 및 IMR(Intermediate Rolle) 벤딩율 중 적어도 하나 이상을 포함할 수 있다. 압연기를 지는 제품의 생산 상태 정보는 스트립 두께 정보와 스트립 두께 편차 정보 중 적어도 하나 이상을 포함할 수 있다. 또한, 압연 제어기(120)는 현재 압연 제어기(120)에서 사용하는 시간에 대한 정보, 즉, 시스템 시간 정보를 추가적으로 출력할 수도 있다.
압연 SCC(130)는 압연 제어기(120)로 다양한 셋업 정보 등을 출력한다. 또한, 압연 SCC(130)는 압연 조업에 관한 정보들 및 압연기 셋업 정보들 중 적어도 하나 이상을 포함하는 설정 정보(i_set)를 출력한다. 압연 조업에 관한 정보들 및 압연기 셋업 정보들은 현재 생산 중인 코일 제품 번호, 강종 클래스 정보, 스트립 두께 및 넓이 기존 정보, 두께 셋업 정보, 제품 변형 저항 정보, Forward slip 정보, 및 제품의 항복점 정보 중 적어도 하나 이상을 포함할 수 있다.
센서들(140)은 설비의 상태에 대한 상태 정보를 획득하고, 상기 상태 정보를 포함하는 센싱 신호(sen)를 출력할 수 있다. 본 발명의 일실시예에 따른 설비 모니터링 장치가 압연 설비를 모니터링 할 경우, 센서들(140)은 압연기의 진동을 감지하여 출력하는 진동센서일 수 있다.
상태 진단 및 해석 장치(200)는 상기 센서들(140)로부터 센싱 신호(sen)를 수신하고, 압연 제어기(120)로부터 압연기별 제어 정보, 압연기별 기계적 특성 신호들, 압연기별 물리적 특성 신호들, 및 압연기를 지난 제품의 생산 상태 정보들 중 적어도 하나 이상을 포함하는 제어 및 특성 정보(i_con)를 수신하고, 압연 SCC(130)로부터 압연 조업에 관한 정보들 및 압연기 셋업 정보들 중 적어도 하나 이상을 포함하는 설정 정보(i_set)를 수신하고, 수신한 정보들을 통계적 기법을 이용하여 해석하여 설비의 이상 여부를 판단할 수 있다.
상태 진단 및 해석 장치(200)는 압연 제어기(120)의 시스템 시간 정보, 압연기별 진동 등을 포함하는 센싱 신호 데이터들, 압연기별 제어 정보들, 압연기별 기계적 특성 정보들, 압연기별 물리적 특성 정보들, 압연기를 통과한 제품의 생산 상태에 대한 정보들, 압연 조업에 관한 정보들, 및 압연기 셋업 정보들을 통합적으로 수집하여 관리할 수 있다. 또한, 상태 진단 및 해석 장치(200)는 통합적으로 수집한 데이터들에 대해 통계적인 해석 기법을 적용하여 압연기들의 이상 여부를 판단하되, 여러 단계를 거쳐서 최종적인 결론을 도출함으로써 신뢰성 높은 판단을 할 수 있다. 나아가, 상태 진단 및 해석 장치(200)의 판단 결과 및 판단 결과에 대한 사후 검증 결과를 이후의 판단에 활용함으로써, 판단의 신뢰성을 보다 높일 수 있다. 또한, 상태 진단 및 해석 장치(200)는 알고리즘을 수행하는 서버와 판단에 사용하는 알고리즘 기타 설정값들을 갱신할 수 있는 서버 등 복수개의 서버들을 포함함으로써, 시스템의 중단 없이 상기 설정값들을 변경할 수 있어 환경 변화에 보다 유연하게 대처할 수 있다.
상태 진단 및 해석 장치(200)의 구체적인 구성 및 동작에 관하여는 도 2 내지 도 10을 참고하여 후술한다.
가상센서 시뮬레이터(300)는 상태 진단 및 해석 장치(200)에 저장된 센싱 신호를 이용하여 가상 센싱 신호(v_sen)를 생성하여 출력할 수 있다. 예를 들면, 가상센서 시뮬레이터(300)는 저장된 센싱 신호들을 랜덤(random)하게 추출하여 가상 센싱 신호(v_sen)를 생성하고, 생성된 가상 센싱 신호(v_sen)를 출력할 수 있다.
가상센서 시뮬레이터(300)는 사용자가 설정한 동작 모드에 따라 동작하거나, 동작하지 않을 수 있다. 본 발명의 일실시예에 따른 설비 모니터링 장치는 가상센서 시뮬레이터(300)를 추가적으로 구비함으로써, 설비 평가에 대한 신뢰성을 높일 수 잇다. 예를 들어, 사용자가 센서들(140)의 동작 등에 문제가 있다고 판단될 경우, 센서들(140)로부터 입력되는 센싱 신호(sen) 대신 기존의 센싱 신호를 랜덤하게 추출한 신호(즉, 가상 센싱 신호(v_sen))를 사용하도록 함으로써, 센서들(140)의 동작에 오류가 발생하더라도 설비 평가의 신뢰성을 담보할 수 있다. 다시 말하면, 실제 센서가 문제가 있을 경우, 기존의 저장관리되는 센싱 신호에 대해 상태 진단 및 해석 장치(200)에서 소정의 알고리즘을 수행함으로써, 정합성을 높일 수 있다.
통신 프로토콜 관리 장치(400)는 상태 진단 및 해석 장치(200)가 센서들(140), 압연 제어기(120), 및 압연 SCC(130) 중 적어도 하나 이상과 통신하기 위한 인터페이스 방식, 프로토콜 방식, 통신 전문 포맷, 및 IP 주소와 포트 정보 중 하나 이상을 설정하고, 설정된 정보를 포함하는 통신 설정 정보(com_set)를 상태 진단 및 해석 장치(200)로 출력할 수 있다. 상술한 인터페이스 방식, 프로토콜 방식, 통신 전문 포맷, 및 IP 주소와 포트 정보는 사용자가 사용자 정의 통신 프로토콜 설정 정보 파일을 설정함으로써 설정되고 저장될 수 있다. 본 발명의 일실시예에 따른 설비 모니터링 장치는 통신 프로토콜 관리 장치(400)를 추가적으로 포함함으로써, 가동 중에 통신을 위한 설정 정보가 변경된 경우에도, 변경된 내용을 적용하여 통신이 수행될 수 있다.
도 2는 도 1에 나타낸 본 발명의 일실시예에 따른 설비 모니터링 장치의 상태 진단 및 해석 장치(200)의 실시예의 구성을 개략적으로 나타낸 도면으로서, 본 발명의 일실시예에 따른 설비 모니터링 장치의 상태 진단 및 해석 장치(200)는 데이터 수집 서버(202), 데이터 처리 서버(204), 데이터 처리 알고리즘 관리 서버(206), 데이터 저장 관리 서버(208), 대용량 데이터 사후 처리 및 수명 예측 서버(210), 압연기 설비 상태 평가용 표준 데이터베이스(212), 데이터 사후 분석 및 검증 장치(214), 압연기 평가 정보 데이터베이스(216), 데이터 및 정보 표시 장치(218), 및 시스템 와치독 관리 장치(220)를 포함할 수 있다.
데이터 수집 서버(202)는 모니터링할 설비의 상태를 나타내는 센싱 신호(sen), 모니터링할 설비의 동작 상태, 설비에 의해 생산된 제품에 대한 정보들, 및 설비 설정과 관련된 정보들 중 적어도 하나 이상을 통합적으로 수집할 수 있다. 구체적으로, 모니터링할 설비가 도 1에 예시한 바와 같이 복수개의 압연기들인 경우, 데이터 수집 서버(202)는 센서들(도 1의 140)로부터 센싱 신호(sen)를 수신하고, 압연 제어기(도 1의 120)로부터 각 압연기별 제어 정보, 기계적/물리적 특성 신호 정보들, 및, 압연기를 지난 제품 생산 상태 정보들 중 적어도 하나 이상을 수신하며, 압연 SCC(도 1의 130)로부터 압연 조업 정보 및 압연기 셋업 정보들 중 적어도 하나 이상을 수신할 수 있다. 또한, 상술한 바와 같이, 압연 제어기(도 1의 120)로부터 현재 시스템 시간 정보를 수신할 수 있으며, 수신한 현재 시스템 시간 정보를 기준 시스템 시간 정보로 활용할 수 있다.
또한, 데이터 수집 서버(202)는 통신 프로토콜 관리 장치(도 1의 400)로부터 센서들(도 1의 140)과, 압연기 제어기(120), 압연 SCC(130)로부터 데이터 수집 및 통신 필요 유무 설정 정보를 전달 받아, 이를 임포팅 및 인식하여 설정대로 동작할 수 있다. 이 때, 데이터 수집 서버(202)는 센서들(도 1의 140)과 인터페이스 하기 위한 인터페이스 방식, 압연 제어기(도 1의 120)와 통신하기 위한 통신 프로토콜 및 전문 설정 정보, 및 압연 SCC(도 1의 130)와 통신하기 위한 통신 프로토콜 및 관련 전문 설정 정보를 포함한 사용자 정의 통신 프로토콜 설정 정보 파일을 통신 프로토콜 관리 장치(도 1의 400)로부터 수신할 수 있다. 이러한 구성을 통하여, 센서들(도 1의 140), 압연 제어기(도 1의 120), 압연 SCC(eh 1dml 130)과 통신하기 위한 인터페이스, 프로토콜 환경, 및 통신 전문 형태를 동적으로 결정할 수 있다. 또한, 상기 통신을 위한 정보가 시스템 가동 중에 변경되더라도, 시스템 가동 중지 없이 변경된 내용을 재반영할 수 있으므로, 장치의 유연성도 제공할 수 있다. 즉, 데이터 수집 서버(202)가 데이터를 수집하는 인터페이스 및 통신 환경이, 현장 환경에 의해 자주 변경될 경우에도 시스템 재개발 및/또는 시스템 가동 중지 없이 변경된 환경을 반영할 수 있다.
또한, 데이터 수집 서버(202)는 시스템 와치독 관리 장치(220)로부터 주기적으로 Alive 메시지 요청을 전달 받고, 지속적으로 동작할 경우 Alive 메시지를 시스템 와치독 관리 장치(220)로 전송할 수 있다. 즉, 데이터 수집 서버(202)는 시스템 와치독 관리 장치(220)로 동작 중임을 주기적으로 알릴 수 있다.
또한, 데이터 수집 서버(202)는 센서들(도 1의 140), 압연 제어기(도 1의 120), 및 압연 SCC(도 1의 130)로부터 수신하는 데이터들을 저장하기 위한 데이터 저장 큐영역들을 유지 관리하고, 데이터 수집과 동시에 해당 큐영역들에 각 해당 데이터들을 저장할 수 있다.
또한, 데이터 수집 서버(202)는 압연 제어기(도 1의 120)로부터 수신한 시간 정보와, 압연 조업 정보, 생산되는 제품에 대한 정보, 및 생산 속도 등 데이터들을 매핑하여 관리할 수 있다. 또한, 압연 제어기(도 1의 120)의 시스템 정보들이 매핑된 각종 신호 데이터들이 데이터 처리 서버 및 데이터 저장 관리 서버로 전달될 수 있다.
데이터 처리 서버(204)는 데이터 수집 처리 서버(202)로부터 다양한 정보들을 수신하고, 정보들의 처리를 통해 설비의 상태를 평가하고 모니터링하며, 설비에 문제가 있는지 여부를 판단할 수 있다. 이를 위해, 데이터 처리 서버(204)는 데이터 처리 알고리즘 라이브러리들 및 사용자 정의형 데이터 처리 알고리즘 동작 설정 정보 등을 데이터 처리 알고리즘 관리 서버(206)으로부터 수신할 수 있다. 구체적으로, 압연기들을 모니터링할 경우, 데이터 처리 서버(204)는 데이터 수집 처리 서버(202)로부터 센싱 신호 정보들, 압연기별 제어 정보들, 압연기별 물리적/기계적 특성 신호 정보들, 압연기를 지난 제품의 생산 상태 정보들, 압연 조업 정보들 및 압연기 셋업 정보들 등을 수신한다. 또한, 수신한 정보들을 처리하기 하여 압연기 설비 상태를 모니터링하고, 평가하며 진단하기 위한 데이터 처리 알고리즘 라이브러리 및 데이터 처리 알고리즘 라이브러리의 동작 설정 정보 등을 데이처 처리 알고리즘 관리 서버(206)으로부터 수신한다. 데이터 처리 서버(204)는 수신한 알고리즘 라이브러리 및 이의 동작 설정 정보 등을 임포팅 및 적용하여 구동 대상 알고리즘을 구동시키고, 압연기 설비 상태 평가 알고리즘 라이브러리 항목들에 입력 데이터를 만들기 위해 데이터 수집 서버(202)로부터 수신한 정보들을 큐잉하고, 압연기 설비 상태를 평가하고 진단한다. 데이터 처리 서버(204)에 의한 압연기 설비 상태 평가를 위한 동작은 사용자에 의해 설정된 실시간 데이터 처리 알고리즘 라이브르리 및 동작 설정 정보에 의해 동적으로 시스템 가동 중 변경될 수 있고, 필요한 경우, 여러 단계를 추가하여 동작할 수도 있다.
데이터 처리 서버(204)에 의한 구체적인 압연기 설비 상태 평가 동작은 도 5 내지 7을 참고하여 후술한다.
데이터 처리 알고리즘 관리 서버(206)는 데이터 처리 서버(204)가 데이터들을 처리하여 압연기 설비 상태를 실시간으로 평가하고 진단하기 위한 알고리즘 라이브러리들을 관리하며, 해당 라이브러리들 정보 및 동작 정보들을 사용자가 실시간 데이터 처리 알고리즘 라이브러리 및 동작 설정 정보 문서 파일을 통해 정의할 수 있도록 한다. 상기 문서 파일의 정의는 정의 도구를 통해 수행될 수 있으며, 사용자는 언제든지 정의 도구를 이용하여 문서 파일을 정의할 수 있다. 정의된 내용을 시스템에 반영하고자할 경우, 해당 설정 정보 내용들은 데이터 처리 서버로 전달되며, 시스템 가동 중에 반영될 수 있고, 시스템 중지 없이 재반영될 수 있다. 구체적으로는 데이터 처리 알고리즘의 실행 단계 정보와 단계별로 실행되어야 하는 라이브러리 정보들, 그리고 실행되는 라이브러리들의 입력 및 출력 정보들, 데이터 처리 서버에서 사용하는 이상치 거리의 최대 제한값 (Threashold)들 정보들, 그리고 최대 제한값을 넘어간 카운트 횟수별 설비 상태 문자 정보들 (Normal 등)을 사용자가 설정할 수 있도록 한다. 이러한 설정 정보 파일들은 XML(eXtensible Markup Language)등 설정 정보 파일을 효율적으로 표현 가능한 언어들에 의해 정의가 될 수 있다. 그리고 이러한, 실행 단계에 대한 구성은 제한이 없이 유동적으로 변경될 수 있다.
데이터 저장 관리 서버(208)는 데이터 수집 서버(202) 및/또는 데이터 처리 서버(204)에 수집되거나 처리되는 처리 결과 정보들을 압연기 평가 정보 데이터 베이스(216)에 저장하고 관리할 수 있다. 데이터 저장 관리 서버(208)는 주기적으로 압연기 평가 정보 데이터베이스(216)의 사이즈 용량을 체크하여 사용중인 용량이 사용자가 설정한 최대 사이즈 용량을 초과하였을 경우, 오래된 데이터들부터 삭제할 수 있다. 또한 사용자는 사이즈에 상관없이 주기적으로 삭제할 데이터 사이즈를 설정하여 주기에 따라 데이터 삭제가 실행되도록 설정할 수 있다. 이러한 내용은 데이터 저장 관리 서버의 운용 설정 파일에 정의될 수 있다.
대용량 데이터 사후 처리 및 수명 예측 서버(210)는 데이터 처리 서버(203)로부터 압연기 설비 상태를 실시간으로 평가하고 진단하기 위해 구동된 알고리즘에 의해 생성된 다양한 데이터들을 장기적으로 축적하여 관리하고, 해당 데이터들을 사후 처리하여 현재 설비들에 포함된 공정라인 수준에서의 설비 수명 등의 장기적인 경향을 파악할 수 있다. 즉, 대용량 데이터 사후 처리 및 수명 예측 서버(210)는 데이터 처리 서버(203)로부터 수신한 데이터들을 이용하여 현재 설비 라인의 신뢰성 정보 및 수명 관련 정보를 예측할 수 있다. 이를 위해, 대용량 데이터 사후 처리 및 수명 예측 서버(210)는 머신 러닝, 데이터 마이닝 또는 인공지능 알고리즘 등을 이용할 수 있다. 예를 들어, 예를 들어, 인공지능의 하나인 뉴럴 네트워크를 이용할 경우, 입력값들은 상기의 수신된 정보들이고, 출력값은 압연 공정 라인이 폴트가 발생한 간격 즉, MTBF (Mean Time Between Failure) 시간으로 하여, 새로운 입력값들이 도착하였을 경우, MTBF를 갱신하여, 폴트 예상 시점을 추측할 수 있다. 또한 사후 처리에는 현재 조업 운전자들이 조업을 올바르게 하고 있는지 아닌지에 대한 운전 수준에 대한 평가를 포함할 수 있다. 이 또한, 상기 MTBF 를 구하는 알고리즘을 동일하게 이용할 수 있으며, 출력값을 해당 공정 라인의 조업 수준이다. 이 조업 수준은 초기에 조업자로부터 조업 수준 정보를 입력 받고, 각각의 조업 수준 정보에 따라 입력 값들을 매핑시켜 놓고 인공지능망을 구축한 다음, 새로운 입력값들이 도착하였을 경우 해당 구축된 인공지능망을 이용하여 현재 조업 수준을 예측 평가할 수 있다. 즉, 대용량 데이터 사후 처리 및 수명 예측 서버(210)는 압연 공정 라인의 신뢰성을 총합적으로 평가할 수 있다. 대용량 데이터 사후 처리 및 수명 예측 서버(210)를 통해 추출된 정보 데이터들, 즉 사후 처리 결과 정보들 공정 라인 수명 예측 정보들 신뢰성 정보들은 데이터 및 정보 표시 장치(218)로 전달되어 표시될 수 있다.
압연기 설비상태 평가용 표준 데이터베이스(212)는 압연기 설비 상태를 평가하기 위한 기본이 되는 데이터들을 저장할 수 있다. 구체적으로, 압연기 설비상태 평가용 표준 데이터베이스(212)에는 설비의 상태가 정상인 경우의 데이터 군인 정상 데이터군과 설비의 상태가 비정상인 경우의 데이터군인 비정상적 데이터 군이 저장되고 관리된다. 즉 압연기 설비 상태가 정상일 경우의 압연기별 진동 센서 신호 정보들, 압연기별 제어 정보 및 물리적/기계적 특성 정보들, 압연기를 지난 제품 생산 상태 정보들, 압연 조업 정보, 및 압연기 셋업 정보들이 생산 속도별 제품 코일 정보에 따라 관리되고 있으며, 비정상일 경우의 압연기별 진동 센서 신호 정보들, 압연기별 제어 정보, 물리적/기계적 특성 정보들, 압연기를 지난 제품 생산 상태 정보들, 압연 조업 정보 및 압연기 셋업 정보들 또한 생산 속도별 제품 코일 정보에 따라 관리된다. 이러한 정상과 비정상 표준 데이터들의 군은 데이터 처리 알고리즘 관리 서버(206)에 의해 관리 및 추가 또는 삭제 될 수 있다. 즉, 데이터 처리 알고리즘 관리 서버(206)는 앞에서 언급했던 것 처럼 데이터 처리 서버(204)에 의해 압연기 설비 상태가 정상일 경우와, 비정상일 경우의 코일 제품 번호를 전송 받고, 전송 받은 코일 제품 번호를 통해 압연기 평가 정보 데이터베이스(216)에서 관련 압연기별 제어 및 물리적/기계적 특성 신호 정보들, 압연기를 지난 제품 생산 상태 정보들, 압연 조업 및 압연기 셋업 정보들, 그리고 데이터 처리 서버(204)에 의해 추출된 통계적 처리 기법 (RMS등)들 처리 결과 정보들, 마할라노비스 거리 정보들을 모두 조회 분석하여 압연기 설비상태 평가용 표준 데이터베이스(212)에 저장하여 관리할 수 있다. 이러한 정상 데이터군 및 비정상 데이터 군의 전체 개수 및 사이즈는 실시간 데이터 처리 알고리즘 라이브러리 및 동작 설정 정보 파일에 기술되어 설정되어 제한될 수 있으며, 한계에 도달하였을 경우, 기존 오래된 데이터 군부터 삭제하게할 수 있는 모드 또는 더 이상 추가가 안되는 모드 정보등을 구분하여 관리됨으로써, 최신의 정상 데이터군 및 비정상 데이터군들이 관리될 수 있다. 데이터 처리 알고리즘 서버(206)는 해당 설정 파일을 기동시 읽어 들여, 적용하여 가동하며, 변경 시 시스템 가동 중지 없이 재적용 반영한다. 또한, 초기 시작을 위해, 사용자는 압연기 설비 평가용 표준 데이터 베이스(212)에 정상적인 데이터 신호들을 데이터 처리 알고리즘 관리 서버(206)를 통해 입력할 수 있으며, 이러한 환경은 도구를 통해 제공된다.
데이터 사후 분석 및 검증 장치(214)는 사용자에게 데이터 저장 관리 서버(208)에서 저장 관리되는 정보 데이터들을 조회하여 분석할 수 있는 환경을 제공할 수 있다. 이러한 정보 데이터 조회 시, 사용자는 데이터 사후 분석 및 검증 장치(214)를 이용하여 데이터 종류별, 데이터 저장 시간별, 생산 제품 정보별, 등 다양한 조건으로 데이터를 조회 및 검색하여 분석할 수 있다. 또한, 이러한 분석 환경에는 데이터 수집 서버(202)에서 수집한 신호 데이터 정보들, 데이터 처리 서버(204)에서 처리된 신호 데이터들의 정보들이 저장되어 있으며, 이를 조회하여 분석할 수 있다. 분석 시, 도구에 의해, FFT 등의 디지털 신호 처리 기법과 통계적 처리 기법인 RMS, Peak-to-Peak, 평균 등을 적용하여 데이터를 분석할 수 있는 환경을 제공한다. 또한 검증 환경에 있어서 데이터 처리 서버(204)에 의해, 추출된 압연기 설비 상태 평가 결과에 대한 피드백을 사용자가 입력할 수 있다. 예를 들어, 압연기 설비 상태 평가 결과가 정상인데 비정상일 경우, 해당 코일 제품의 번호를 데이터 처리 알고리즘 서버(206)로 전달한다. 데이터 처리 알고리즘 서버(206)는 해당 코일 제품의 번호를 이용하여 압연기 평가 정보 데이터베이스(216)에서, 압연기 설비 상태 평가 결과가 정상인데 비정상으로 판별된 해당 코일 제품과 관련된 데이터들, 즉, 데이터 수집 서버(202)를 통해 수신되고, 데이터 저장 관리 서버(208)를 통해 저장된 압연기별 진동 센서 신호 정보들, 그리고 압연기별 제어 및 물리적/기계적 특성 신호 정보들, 압연기를 지난 제품 생산 상태 정보들, 압연 조업 및 압연기 셋업 정보들 중 상기 코일 제품과 관련된 데이터들을 수집하여, 압연기 설비 상태 평가용 표준 데이터 베이스(212)에 비정상 데이터 군으로 분류한다. 반대의 경우에, 압연기 설비 상태 평가 결과가 비정상으로 판별되었으나, 사용자가 정상으로 데이터 사후 분석 및 검증 장치(214)를 통해 입력하였을 경우, 해당 데이터들의 코일 제품 번호를 데이터 처리 알고리즘 관리 서버(206)로 정상이라는 정보와 함께 전달하고, 데이터 처리 알고리즘 관리 서버(206)는 정상으로 판별된 코일 제품 번호와 데이터들을 정상 데이터 군으로 분류한다. 이러한 동작에 의해, 동적으로 압연기 설비 상태 평가 결과를 피드백 받아 알고리즘의 정합성을 높일 수 있다.
압연기 평가 정보 데이터베이스(216)는 데이터 수집 서버(202)를 통해 수집되는 정보들 및 데이터 처리 서버(204)를 통해 데이터가 처리된 처리 결과 정보들을 저장 및 관리할 수 있다. 압연기 평가 정보 데이터베이스(216)에는 데이터 저장 관리 서버(208)에 의해 전달된 해당 정보들이 저장 및 관리된다.
데이터 및 정보 표시 장치(218)는 데이터 수집 서버(202)로부터 전송되어진 정보 데이터들, 즉, 센싱 신호 정보들, 압연기별 제어 정보, 압연기별 물리적/기계적 특성 신호 정보들, 압연기를 지난 제품의 생산 상태 정보들, 압연 조업 정보 및 압연 셋업 정보들과, 데이터 처리 서버(204)에서 설비 상태를 실시간으로 평가하고 진단 하기 위해 구동된 알고리즘을 통해 생성된 압연기별 상태 평가 정보들을 수신하여, 화면에 표시할 수 있다. 즉, 데이터 및 정보 표시 장치(218)는 HMI 역할로서 수행할 수 있다. 또한, 데이터 및 정보 표시 장치(218)는 사용자 관리 및 접근 권한 정보를 관리하여, 인증에 의해 사용자가 화면을 실행시킬 수 있도록 하는 기능도 제공할 수 있다. 그리고, 데이터 처리 서버(204)로, 이상치 거리인 마할노비스 거리 정보들 총합값들이 최대 제한값을 넘어간 카운트를 리셋 (Reset)시키는 명령을 전달하여 초기화 될 수 있도록 할 수있다. 또한, 데이터 및 정보 표시 장치(218) 또한, 다른 서버 장치들과 마찬가지로 시스템 와치독 관리 장치(220)와 Alive 메시지를 송수신하여 장치가 동작하고 있음을 알릴 수 있다. 또한, 데이터 및 정보 표시 장치(218)는 대용량 데이터 사후 처리 및 수명 예측 서버(210)로부터 수신된 정보 데이터들, 즉 사후 처리 결과 정보들 공정 라인 수명 예측 정보들 신뢰성 정보들을 데이터 및 정보들을 수신 받아 표시할 수 있다.
시스템 와치독 관리 장치(220)는 다른 서버 및 장치들과 주기적으로 Alive 메시지를 주고받아 현재 시스템의 구성 서버들이 정상적으로 동작중인지 여부 등을 확인할 수 있다. 만약 문제가 발생할 경우, 이를 시스템 관리자 및 사용자 또는 조업 운전자에게 알릴 수 있도록, 화면에 문제 상황 표시는 기본이며, 나아가, 메일 또는 문자를 전송할 수도 있다. 시스템 와치독 관리 장치(220)가 다른 구성 부분들과 Alive 메시지를 주고받는 주기는 사용자에 의해 동적으로 설정될 수 있으며, 통신 부하에 따라 해당 주기를 조정하였을 경우, 시스템의 가동 중지 없이 반영될 수 있다. 또한 해당 설정 파일에는 Alive 메시지를 주고받아야하는 상대 노드 정보, 즉 IP 번호, 통신 포트 번호 등이 포함되어 있어, 이러한 Alive 메시지를 주고 받아야 하는 상대 노드들을 동적으로 설정 및 반영할 수 있다. 이러한 정보는 사용자 정의 시스템 와치독 관리 설정 정보 파일에 기술될 수 있다.
도 3은 본 발명의 일실시예에 따른 설비 모니터링 장치의 데이터 수집 서버가 데이터들을 수집하는 과정을 설명하기 위한 도면이다.
먼저, 통신 프로토콜 관리 장치(400)에 의해 센서들(140), 압연 SCC(130), 및 압연 제어기(120) 등과의 통신 필요 유무에 대한 정보와, 통신 인터페이스 및/또는 프로토콜 동작 정보가 설정되고, 설정된 정보가 데이터 수집 서버(202)로 전달될 수 있다(S1010 및 S1020)
다음으로, 데이터 수집 서버(202)는 설정된 정보에 따라 센서들(140)로부터 센서들(140)이 획득한 압연기별 진동 등의 정보를 수신하거나(S1030 및 S1040), 또는 압연 SCC(130)이 출력하는 압연 조업 정보 및/또는 압연 셋업 정보를 수신하거나(S1050 및 S1060), 또는, 압연 제어기(120)가 출력하는 압연기별 제어 정보, 압연기별 기계적/물리적 특성 정보, 압연기를 통과한 제품 생산 상태 정보를 수신할 수 있다.
데이터 수집 서버(202)는 수신된 정보들에 대해 다양한 매핑 동작을 수행할 수 있다(S1090). 예를 들면, 수신된 센싱 신호, 압연기별 제어 정보, 기계적/물리적 특성 정보들에 생산 제품의 코일 번호 등 압연 조업 정보를 매칭하거나, 수신된 센싱 신호, 압연기별 제어 정보, 기계적/물리적 특성 정보들에 기준 시간 정보를 매핑하거나, 수신된 센싱 신호, 압연기별 제어 정보, 기계적/물리적 특성 정보들에 제품 거리 정보를 매핑할 수 있다.
데이터 수집 서버(202)는 매핑 완료된 데이터들을 데이터 저장 관리 서버(208) 및/또는 데이터 처리 서버(204)로 출력할 수 있다.
도 4는 본 발명의 일실시예에 따른 설비 모니터링 장치에서 데이터 처리 서버(130)에 의한 데이터 처리 방법을 개략적으로 설명하기 위한 도면이다.
먼저, 데이터 처리 알고리즘 관리 서버(206)는 데이터 처리 알고리즘 라이브러리들의 동작 설정 정보를 설정하고, 설정된 동작 설정 정보와 실행 대상 데이터 처리 알고리즘 라이브러리들을 데이터 처리 서버(204)로 출력한다(S2010 및 S2020).
다음으로, 데이터 수집 서버(202)에서 매핑된 정보, 즉, 매핑 처리 완료된 센싱 신호, 압연기별 제어 정보, 압연기별 기계적/물리적 특성 정보, 압연기를 통과한 제품 생산 상태 정보, 압연 조업 정보, 및 압연 조업 셋업 정보 등이 데이터 처리 서버(204)로 전달된다(S2040, S2050, 및 S2060).
다음으로, 데이터 처리 서버(204)는 일시간 압연기 상태 평가 알고리즘을 실행하고, 실행된 결과를 데이터 저장 관리 서버로 출력한다(S2070, S2080).
데이터 저장 관리 서버(208)는 수신한 정보를 저장한다(S2090).
도시하지는 않았지만, 데이터 처리 서버(204)는 일시간 압연기 상태 평가 알고리즘을 실행된 결과를 데이터 표시 장치(218)로 출력할 수도 있다.
도 5는 본 발명의 일실시예에 따른 설비 모니터링 방법을 설명하기 위한 동작 흐름도이다.
먼저, 센싱 정보들, 압연기별 제어 정보들, 및 압연기별 물리적/기계적 특성 신호 정보들을 통계적 방법으로 해석하여 설비 상태의 이상 유무를 판단한다(S100 단계). 상기 정보들인 매번 정해진 시간(예를 들면, 1초) 동안의 데이터를 축적할 수 있다. 상기 통계적 방법을 통한 해석은 기본적인 통계적 처리 기법인 평균, 표준편차, RMS (Root Mean Square), Peak-to-Peak, Skewness, Kurtosis, Crest Factor, K-Factor 값을 데이터 처리 알고리즘 관리 서버로부터 수신한 해당 통계적 처리 기법을 구현한 라이브러리들로 이용하여 1차적으로 추출함으로써 수행될 수 있다.
다음으로, 제품의 생산 상태 정보와 압연 조업 정보 및 압연기 셋업 정보들을 이용하여, 실제 압연 조업 및 셋업 정보들과 압연기들을 지난 제품의 생산 상태 정보들과 편차를 구한다(S200 단계). 예를 들면, 생산되고 있는 제품들의 두께 편차를 구해, 원래 생산코자 하던 두께 편차와 실제 생산되는 두께의 차이를 구할 수 있다. 매번 정해진 시간(예를 들면, 1초) 동안 발생된 데이터를 축적한 후, 상기 편차에 대한 평균, 표준편차, RMS, Peak-to-Peak, Skewness, Kurtosis, Crest Factor, K-Factor 값을 추출할 수 있다.
다음으로, S100 단계에서 추출한 통계값들 및 S200 단계에서 추출한 편차 또는 편차에 대한 통계값과 정상 상태 데이터 사이의 이상치 거리를 산출하고, 산출된 거리를 기초로 이상 여부를 판단할 수 있다(S300 단계). 상기 이성차 거리는 마할라노비스 거리일 수 있다. 마할라노비스 거리를 구할 때, 압연기의 생산 속도 별로 다른 정상 상태 데이터를 사용할 수 있다. 즉, 압연기 속도에 따라 정상 상태에서의 표준 데이터 군들이 압연기 설비 상태 평가용 표준 데이터베이스에 저장될 수 있으며, S300 단계에서는 현재 압연기의 속도를 고려하여 적절한 정상 상태 데이터를 압연기 설비 상태 평가용 표준 데이터베이스로부터 읽고, 해당 정상 상태 데이터와 현재 추출된 통계값 또는 편차 사이의 마할라노비스 거리를 계산할 수 있다. 즉, 정상 표준 데이터들은 압연기 설비 상태 평가용 표준 데이터베이스에 조업 속도 기준으로 분류되어 세부적으로 관리될 수 있다. 그리고 압연기 설비 상태 평가 결과가 정상으로 판단되었을 경우, 해당 정상상태를 판단한 제품 코일 정보를 데이터 처리 알고리즘 관리 서버로 전달하여, 압연기 설비 평가용 표준 데이터베이스에 관련 정보 데이터들이 정상치 데이터 군에 속해 관리될 수 있도록 한다. 상기 마할라노비스 거리는 데이터의 이상치를 평가하는 알고리즘으로써, 실제 정상 표준 데이터에서 이상치 거리가 얼마나 떨어져 있는 지를 구하는 알고리즘이다.
다음으로, S100 단계에서 추출한 통계값들 및 S200 단계에서 추출한 편차 또는 편차에 대한 통계값과 비정상 상태 데이터 사이의 이상치 거리를 산출하고, 산출된 거리를 기초로 이상 여부를 판단할 수 있다(S400 단계). S400 단계는 S300 단계에서 판단한 결과, 설비 상태가 이상하다고 평가되었을 경우에 실행될 수 있다. 상기 이성차 거리는 마할라노비스 거리일 수 있다. 즉, 현재 데이터를을 기초로 산출한 통계값이나 편차 등이 압연기 설비 상태 평가용 표준 데이터베이스에 저장된 비정상 상태의 데이터(즉, 이상치 데이터 군)들과 이상치 거리를 재평가한다. S400 단계에서 계산된 이상치 거리가 임의의 문턱값 이하인 경우, 설비에 이상이 있다고 판단할 수 있다.
또한, 현재 압연기 설비 상태 정보가 이상치로 평가된 제품 코일 정보를 데이터 처리 알고리즘 관리 서버로 전달하여, 압연기 설비 상태 평가용 데이터 베이스에 비정상 표준 데이터 군으로 관리될 수 있도록 할 수 있다.
다음으로, S300 단계 및 S400 단계를 통해서 판단한 결과, 현재 압연 설비 상태가 이상하다고 최종 판단되었을 경우, 상기 마할라노비스 거리들의 총합값이 최대 제한값을 넘어간 횟수를 기초로, 설비 이상 여부를 판단한다(S500 단계). S100 단계에서 계산된 데이터들의 통계적 처리 기법 결과들의 마할라노비스 거리들 총합과 S200 단계에서 계산된 데이터들의 통계적 처리 기법 결과들의 마할라노비스 거리들 총합, 즉 S300 단계에서 추출되는 마할라노비스 거리 정보들 각각의 총합값들이 최대 제한값(Threshold 값)을 넘어간 횟수를 카운트하고, 카운트한 값을 축적한다. 축적된 카운트 값을 기초로, 설바 진단 상태 정보를 매핑할 수 있다. 예를 들면, 최대 제한 값을 넘지 않았을 경우에는 정상 (Normal), 10번을 넘었을 경우에는 (Abnormal), 20번을 넘었을 경우에는 (Bad), 30번을 넘었을 경우에는 (Too Bad) 등으로 압연기 진단 상태 정보를 문자로 표현할 수 있다.
상기 최대 제한값은 데이터 처리 알고리즘 관리 서버를 통해 사용자에 의해 정의되어 데이터 처리 서버 가동 시 수신되어 적용될 수 있다. 그리고 이러한 최대 제한 값은 시스템 가동 중에 변경되었을 경우 동적으로 재반영 될 수 있다. 또한, 압연기 상태 진단 매핑 정보도, 데이터 처리 알고리즘 관리 서버를 통해 사용자에 의해 실시간으로 설정되어 동적 반영 또는 가동 중 재반영 될 수 있다.
도 5에서, S100 단계와 S200 단계는 동시에 수행될 수도 있다.
그리고 이러한 단계별 동작은 데이터 처리 알고리즘 관리 서버에서 사용자에 의해 설정된 실시간 데이터 처리 알고리즘 라이브러리 및 동작 설정 정보에 의해 수정 및 동적으로 시스템 가동 중 수행할 것인지 아닐 것인지에 대한 설정을 통해 변경될 수 있으며, 또한 여러 단계를 추가하여 동작할 수 있도록 할 수 있다.
도 6은 도 5에 나타낸 본 발명의 일실시예에 따른 설비 모니터링 방법의 통계적 방법으로 해석하는 S100 단계를 보다 구체적으로 설명하기 위한 동작 흐름도이다.
먼저, 센싱 신호 정보에 대한 데이터들을 패치한다(S110 단계).
다음으로, 압연기별 제어 정보, 및 압연기별 기계적/물리적 특성 신호 정보에 대한 데이터들을 패치한다(S120 단계).
다음으로, 패치한 데이터를 일정 시간(예를 들면, 1초) 동안 축적한다(S130 단계)
다음으로, 축적된 각 데이터들에 대한 기본적인 통계적 처리 기법 관련 라이브러리를 실행하여, 축적된 각 데이터들에 대한 통계적 처리기법 결과 정보를 추출한다(S140 단계). 통계적 처리기법 결과 정보는 평균, 표준 편차, RMS, Peak-to-peak, Skewness, Kurtosis 중 하나 이상일 수 있다.
도 7은 도 5에 나타낸 본 발명의 일실시예에 따른 설비 모니터링 방법의 편차를 산출하는 S200 단계를 보다 구체적으로 설명하기 위한 동작 흐름도이다.
먼저, 압연기를 지난 제품 생산 정보에 대한 데이터를 패치한다(S210 단계).
다음으로, 압연 조업 정보 및/또는 압연 조업에 대한 셋업 정보에 대한 데이터를 패치한다(S220 단계).
다음으로, 제품 생산 정보에 대한 데이터와 조업 정보 및 셋업 정보에 의한 데이터 사이의 편차를 추출한다(S230 단계).
다음으로, 추출된 편차에 대한 기본적인 통계적 처리 기법과 관련된 라이브러리들을 실행하여, 통기ㅔ적 처리 기법 결과 정보를 추출한다. 통계적 처리기법 결과 정보는 평균, 표준 편차, RMS, Peak-to-peak, Skewness, Kurtosis 중 하나 이상일 수 있다.
도 5 내지 도 7에 설명된 본 발명의 일실시예에 따른 설비 모니터링 방법은 도 1의 상태 진단 및 해석 장치에 의해 수행될 수 있다. 보다 구체적으로, 도 5 내지 도 7에 설명된 본 발명의 일실시예에 따른 설비 모니터링 방법은 상태 진단 및 해석 장치의 데이터 처리 서버(도 2의 204)에 의해 수행될 수 있다.
도 8은 데이터 처리 알고리즘 관리 서버의 동작을 설명하기 위한 도면이다.
사용자는 데이터 처리 알고리즘 라이브러리, 데이터 처리 알고리즘 라이브러리들에 대한 정보, 및 데이터 처리 알고리즘 라이브러리들의 동작을 위한 설정 정보 등을 작성한다. 데이터 처리 알고리즘 관리 서버(206)는 사용자가 작성한 결과물을 저장하고 관리할 수 있으며, 상기 결과물에 대한 정보를 사용자 정의 데이터 처리 알고리즘 동작 설정 정보 파일로 생성할 수 있다. 또한, 데이터 처리 알고리즘 관리 서버(206)는 상기 처리 알고리즘 라이브러리, 데이터 처리 알고리즘 라이브러리들에 대한 정보, 및 데이터 처리 알고리즘 라이브러리들의 동작을 위한 설정 정보 등을 데이터 처리 서버(204)로 출력할 수 있다.
도 9는 대용량 데이터 사후 처리 및 수명 예측 서버의 동작을 설명하기 위한 도면이다.
먼저, 데이터 처리 서버(204)는 수신한 데이터에 대해 통계적 기법을 사용하여 처리한 결과값들 및 이에 대한 분석 결과 등을 대용량 사후 처리 및 수명 예측 서버(210)로 출력한다(S3010, S3020).
대용량 사후 처리 및 수명 예측 서버(210)는 데이터 처리 서버(204)로부터 수신한 데이터들을 저장하고 관리한다. 또한, 대용량 사후 처리 및 수명 예측 서버(210)는 MTBF(mean time between failure) 예측 알고리즘과 조업 수준 평가 알고리즘을 실행하여 설비의 수명 정보 및 설비 운전자들의 운전 수준 평가 정보를 생성하여 데이터 표시 장치(218)로 출력할 수도 있다(S3030, S3040).
도 10은 데이터 사후 분석 및 검증 장치의 동작을 설명하기 위한 도면이다.
먼저, 사용자는 데이터 정합성 평가를 위한 정보를 데이터 사후 분석 및 검증 장치(214)로 입력한다(S4010, S4020). 예를 들면, 사용자는 데이터 처리 서버(204)에 의해 분석된 설비 상태에 대한 결과에 대한 피드백을 입력할 수 있다.
데이터 사후 분석 및 검증 장치(214)는 데이터 정합성이 평가된 제품에 대한 정보(예를 들면, 코일 정보) 등을 획득하고, 이에 대한 정보를 데이터 처리 알고리즘 관리 서버(206)로 출력한다(S4030, S4040). 예를 들면, 데이터 처리 서버(204)에 의한 설비 상태에 대한 분석 결과가 정상인데 실제로는 비정상으로 판별된 제품에 대한 정보 또는 반대로 데이터 처리 서버(204)에 의한 설비 상태에 대한 분석 결과가 비정상인데 실제로는 정상으로 판별된 제품에 대한 정보가 데이터 처리 알고리즘 관리 서버(206)로 출력될 수 있다.
데이터 처리 알고리즘 관리 서버(206)는 압연기 평가 정보 데이터 베이스(216)에서 입력된 제품에 대한 정보와 관련된 데이터들을 조회하여 수집할 수 있다(S4050, S4060). 상기 데이터에는 상기 제품과 관련된 센싱 신호에 대한 정보들, 압연기별 제어 정보들, 압연기별 물리적/기계적 특성 정보들, 압연기를 지난 제품의 생산 상태 정보들, 압연 조업에 관한 정보들, 및 압연기 셋업 정보들 중 적어도 하나 이상을 포함할 수 있다.
데이터 처리 알고리즘 관리 서버(206)는 수집한 데이터를 상술한 정합성 평가 결과에 따라 정상 표준 데이터군 또는 비정상 표준 데이터군으로 분류하고, 그 결과를 압연기 설비 상태 평가용 표준 데이터베이스(212)에 저장할 수 있다(S4070, S4080).
이와 같은 과정을 통해, 압연기 평가 정보 데이터베이스(216)에 저장 및 관리되는 데이터가 사용자에 의해 정상 표준 데이터 또는 비정상 표준 데이터로 압연기 설비 상태 평가용 표준 데이터베이스(212)에 추가될 수도 있고, 압연기 설비 상태 평가용 표준 데이터베이스(212)에 저장되어 있던 정상 표준 데이터 또는 비정상 표준 데이터가 삭제될 수도 있다. 이후, 압연기 설비 상태 평가용 표준 데이터베이스(212)에 저장된 정상 표준 데이터 및 비정상 표준 데이터는 데이터 처리 서버에서 알고리즘 구동시, 표준 데이터로 사용될 수 있다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고, 청구범위에 기재된 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 수정 및 변형이 가능하다는 것은 당 기술분야의 통상의 지식을 가진 자에게는 자명할 것이다.
110 : 압연기들
120 : 압연 제어기
130 : 압연 SCC 140 : 센서들
200 : 상태 진단 및 해석 장치 300 : 가상 센서 시뮬레이터
400 : 통신 프로토콜 관리 장치
130 : 압연 SCC 140 : 센서들
200 : 상태 진단 및 해석 장치 300 : 가상 센서 시뮬레이터
400 : 통신 프로토콜 관리 장치
Claims (14)
- 설비의 상태를 감지하여 센싱 신호를 출력하는 센서부; 및
상기 센싱 신호, 상기 설비의 설정과 관련된 설정 정보, 및 상기 설비에 의해 생산된 제품 정보를 수신하고, 상기 센싱 신호에 대해 통계적 기법을 적용하여 센싱 통계값을 산출하고, 상기 설정 정보와 상기 제품 정보 사이의 차이인 생산 편차에 대해 통계적 기법을 적용하여 생산 편차 통계값을 산출하고, 상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 정상 상태 표준 데이터를 이용하여 설비의 이상 여부를 1차적으로 판단하고, 상기 1차적 판단 결과 설비 이상으로 판단되면, 상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 비정상 상태 표준 데이터를 이용하여 설비 이상 여부를 2차적으로 판단하는 상태 진단 및 해석 장치를 포함하는 설비 모니터링 장치.
- 제1항에 있어서,
상기 설비는 압연기이고,
상기 센서부는 상기 압연기의 진동을 감지하여 상기 센싱 신호를 출력하고,
상태 진단 및 해석 장치는 목표 두께에 관한 정보를 상기 설정 정보로 입력하고, 상기 압연기를 통과한 제품의 두께에 관한 정보를 상기 제품 정보로 입력하는 설비 모니터링 장치.
- 제2항에 있어서, 상기 상태 진단 및 해석 장치는
상기 압연기를 제어하는 압연 제어기의 시스템 시간 정보, 상기 압연기별 제어 정보들, 상기 압연기별 기계적 특성 정보들, 및 상기 압연기별 물리적 특성 정보들을 추가적으로 입력하여 저장하는 설비 모니터링 장치.
- 제1항에 있어서, 상기 상태 진단 및 해석 장치는
상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 상기 정상 상태 표준 데이터 사이의 마할라노비스 거리인 제1 이상치 거리를 추출하고, 상기 제1 이상치 거리에 따라 상기 설비의 이상 여부를 1차적으로 판단하고,
상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 상기 비정상 상태 표준 데이터 사이의 마할라노비스 거리인 제2 이상치 거리를 추출하고, 상기 제2 이상치 거리에 따라 상기 설비의 이상 여부를 2차적으로 판단하는 설비 모니터링 장치.
- 제4항에 있어서, 상기 상태 진단 및 해석 장치는
상기 제1 이상치 거리가 제1 문턱값 이상으로 산출된 제1 횟수와, 상기 제2 이상치 거리가 제2 문턱값 이하로 산출된 제2 횟수를 구하고, 상기 제1 횟수와 상기 제2 횟수의 합계값에 따라 상기 설비의 이상 정도를 판단하는 설비 모니터링 장치.
- 제5항에 있어서, 상기 상태 진단 및 해석 장치는
상기 센싱 신호, 상기 설정 정보, 및 상기 제품 정보를 수집하는 데이터 수집 서버;
상기 데이터 수집 서버로부터 상기 센싱 신호, 상기 설정 정보, 및 상기 제품 정보를 제공받고, 상기 센싱 통계값, 상기 생산 편차 통계값, 상기 제1 이상치 거리, 및 상기 제2 이상치 거리를 산출하고, 상기 설비의 이상 여부를 판단하는 데이터 처리 서버;
상기 정상 상태 표준 데이터 및 상기 비정상 상태 표준 데이터를 저장하는 설비상태 평가용 표준 데이터베이스;
상기 통계적 기법을 적용하기 위한 알고리즘 라이브러리, 알고리즘 라이브러리에 대한 정보, 및 상기 알고리즘 라이브러리의 동작에 대한 설정 정보를 상기 데이터 처리 서버로 제공하는 데이터 처리 알고리즘 관리 서버; 및
상기 데이터 처리 서버에 의한 판단 결과와 상기 센싱 신호, 상기 설정 정보, 및 상기 제품 정보를 매핑하여 저장하는 압연기 평가 정보 데이터 베이스를 포함하는 설비 모니터링 장치.
- 제6항에 있어서, 상기 상태 진단 및 해석 장치는
상기 센싱 통계값, 상기 생산 편차 통계값, 상기 제1 이상치 거리, 및 상기 제2 이상치 거리에 대한 정보를 저장하고, 저장된 정보들을 이용하여 성기 설비가 이상으로 판단되는 시점들 사이의 시간 간격을 추출하고, 상기 시간 간격을 기초로 상기 설비의 수명 및 신뢰성을 평가하는 데이터 사후 처리 및 수명 예측 서버를 더 포함하는 설비 모니터링 장치.
- 제6항에 있어서, 상기 상태 진단 및 해석 장치는
상기 데이터 처리 장치에 의한 상기 설비의 이상 여부 판단에 대해 사후적 검증 결과를 입력하여 상기 데이터 처리 알고리즘 관리 서버로 출력하는 사후 분석 및 검증 장치를 더 포함하고,
상기 데이터 처리 알고리즘 관리 서버는 상기 검증 결과를 이용하여 상기 설비상태 평가용 표준 데이터베이스에 저장된 데이터를 갱신하는 설비 모니터링 장치
- 제1항에 있어서, 상기 설비 모니터링 장치는
상기 센서부, 상기 설정 정보를 출력하는 제1 제어기, 및 상기 제품 정보를 출력하는 제2 제어기 각각과 상기 상태 진단 및 해석 장치 사이의 통신과 관련된 통신 설정 사항들을 설정하고 관리하는 통신 프로토콜 관리 장치를 더 포함하는 설비 모니터링 장치.
- 제1항에 있어서, 상기 설비 모니터링 장치는
사용자의 설정에 의해 상기 센싱 신호 대신 가상 센싱 신호를 생성하여 출력하는 가상센서 시뮬레이터를 더 포함하는 설비 모니터링 장치.
- 설비의 상태를 나타내는 센싱 신호를 입력하고, 상기 센싱 신호에 대해 통계적 기법을 적용하여 센싱 통계값을 산출하는 단계;
상기 설비의 설정과 관련된 설정 정보와 상기 설비에 의해 생산된 제품 정보를 수신하고, 상기 설정 정보와 상기 제품 정보 사이의 차이인 생산 편차에 대해 통계적 기법을 적용하여 생산 편차 통계값을 산출하는 단계;
상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 정상 상태 표준 데이터를 이용하여 설비의 이상 여부를 1차적으로 판단하는 단계; 및
상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 비정상 상태 표준 데이터를 이용하여 설비의 이상 여부를 2차적으로 판단하는 단계를 포함하는 설비 모니터링 방법.
- 제11항에 있어서, 상기 1차적으로 판단하는 단계는
상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 상기 정상 상태 표준 데이터 사이의 마할라노비스 거리인 제1 이상치 거리를 추출하고, 상기 제1 이상치 거리에 따라 상기 설비의 이상 여부를 판단하는 설비 모니터링 방법.
- 제12항에 있어서, 상기 2차적으로 판단하는 단계는
상기 센싱 통계값 및 상기 생산 편차 통계값 각각과 상기 비정상 상태 표준 데이터 사이의 마할라노비스 거리인 제2 이상치 거리를 추출하고, 상기 제2 이상치 거리에 따라 상기 설비의 이상 여부를 판단하는 설비 모니터링 방법.
- 제13항에 있어서, 상기 설비 모니터링 방법은
상기 제1 이상치 거리가 제1 문턱값 이상으로 산출된 제1 횟수와, 상기 제2 이상치 거리가 제2 문턱값 이하로 산출된 제2 횟수를 구하고, 상기 제1 횟수와 상기 제2 횟수의 합계값에 따라 상기 설비의 상태를 판단하는 단계를 더 포함하는 설비 모니터링 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160178029A KR101889198B1 (ko) | 2016-12-23 | 2016-12-23 | 설비 모니터링 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160178029A KR101889198B1 (ko) | 2016-12-23 | 2016-12-23 | 설비 모니터링 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180074188A true KR20180074188A (ko) | 2018-07-03 |
| KR101889198B1 KR101889198B1 (ko) | 2018-08-16 |
Family
ID=62918736
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160178029A KR101889198B1 (ko) | 2016-12-23 | 2016-12-23 | 설비 모니터링 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101889198B1 (ko) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111859050A (zh) * | 2020-06-05 | 2020-10-30 | 湖南华菱涟源钢铁有限公司 | 一种轧机数据可视化方法、装置及服务器 |
| KR20200141368A (ko) * | 2019-06-10 | 2020-12-18 | 숭실대학교산학협력단 | 환경 센서 데이터 검증 모니터링 방법 및 장치 |
| CN112200323A (zh) * | 2019-07-08 | 2021-01-08 | Abb瑞士股份有限公司 | 评估工业设备和过程的状态 |
| WO2021182698A1 (ko) * | 2020-03-13 | 2021-09-16 | (주)아이준 | 공작설비 이상 감지 모니터링 방법 |
| WO2022016011A1 (en) * | 2020-07-16 | 2022-01-20 | Applied Materials, Inc. | Anomaly detection from aggregate statistics using neural networks |
| CN116050716A (zh) * | 2023-03-31 | 2023-05-02 | 深圳市森辉智能自控技术有限公司 | 基于互联网的智慧园区管理控制平台 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009116420A (ja) * | 2007-11-02 | 2009-05-28 | Jfe Advantech Co Ltd | 回転機械装置の監視診断システム |
| KR20110009615A (ko) * | 2009-07-22 | 2011-01-28 | 제이에프이 메커니컬 가부시키가이샤 | 데이터 수집장치 및 상기 데이터 수집장치를 구비한 설비기기의 진단장치 |
| JP2013041490A (ja) * | 2011-08-18 | 2013-02-28 | Ihi Corp | 異常診断装置 |
| KR20140087077A (ko) | 2012-12-21 | 2014-07-09 | 주식회사 포스코 | 철강 공정 설비용 상태 모니터링 시스템 |
| JP2015172945A (ja) * | 2009-08-28 | 2015-10-01 | 株式会社日立製作所 | 設備状態監視方法およびその装置 |
-
2016
- 2016-12-23 KR KR1020160178029A patent/KR101889198B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009116420A (ja) * | 2007-11-02 | 2009-05-28 | Jfe Advantech Co Ltd | 回転機械装置の監視診断システム |
| KR20110009615A (ko) * | 2009-07-22 | 2011-01-28 | 제이에프이 메커니컬 가부시키가이샤 | 데이터 수집장치 및 상기 데이터 수집장치를 구비한 설비기기의 진단장치 |
| JP2015172945A (ja) * | 2009-08-28 | 2015-10-01 | 株式会社日立製作所 | 設備状態監視方法およびその装置 |
| JP2013041490A (ja) * | 2011-08-18 | 2013-02-28 | Ihi Corp | 異常診断装置 |
| KR20140087077A (ko) | 2012-12-21 | 2014-07-09 | 주식회사 포스코 | 철강 공정 설비용 상태 모니터링 시스템 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200141368A (ko) * | 2019-06-10 | 2020-12-18 | 숭실대학교산학협력단 | 환경 센서 데이터 검증 모니터링 방법 및 장치 |
| CN112200323A (zh) * | 2019-07-08 | 2021-01-08 | Abb瑞士股份有限公司 | 评估工业设备和过程的状态 |
| WO2021182698A1 (ko) * | 2020-03-13 | 2021-09-16 | (주)아이준 | 공작설비 이상 감지 모니터링 방법 |
| CN111859050A (zh) * | 2020-06-05 | 2020-10-30 | 湖南华菱涟源钢铁有限公司 | 一种轧机数据可视化方法、装置及服务器 |
| WO2022016011A1 (en) * | 2020-07-16 | 2022-01-20 | Applied Materials, Inc. | Anomaly detection from aggregate statistics using neural networks |
| US11657122B2 (en) | 2020-07-16 | 2023-05-23 | Applied Materials, Inc. | Anomaly detection from aggregate statistics using neural networks |
| CN116050716A (zh) * | 2023-03-31 | 2023-05-02 | 深圳市森辉智能自控技术有限公司 | 基于互联网的智慧园区管理控制平台 |
| CN116050716B (zh) * | 2023-03-31 | 2023-06-27 | 深圳市森辉智能自控技术有限公司 | 基于互联网的智慧园区管理控制平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101889198B1 (ko) | 2018-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101889198B1 (ko) | 설비 모니터링 장치 및 방법 | |
| JP7017861B2 (ja) | 異常検知システムおよび異常検知方法 | |
| US11657309B2 (en) | Behavior analysis and visualization for a computer infrastructure | |
| CN109412870B (zh) | 告警监控方法及平台、服务器、存储介质 | |
| KR20180108446A (ko) | Ict 인프라 관리 시스템 및 이를 이용한 ict 인프라 관리 방법 | |
| JP7271576B2 (ja) | 工場管理監視システム及び方法 | |
| KR20190021560A (ko) | 빅데이터를 활용한 고장예지보전시스템 및 고장예지보전방법 | |
| KR102343752B1 (ko) | 프로세스 장치에서 전체 프로세스 섹션의 상태를 자동 모니터링하고 측정하는 컴퓨터 실행 방법 및 시스템 | |
| EP3617826A1 (en) | Management monitoring system | |
| JP7031743B2 (ja) | 異常検知装置 | |
| JP5527503B2 (ja) | 監視装置および情報処理システムおよびプログラム | |
| CN103493437A (zh) | 网络解析支援装置、网络试验装置、网络解析支援方法、网络试验方法、网络解析支援程序以及网络试验程序 | |
| CN104281143A (zh) | 故障预测装置 | |
| KR102274856B1 (ko) | 자동화 설비의 mes 연동형 고장분석 시스템 및 방법 | |
| JP7215574B2 (ja) | 監視システム、監視方法及びプログラム | |
| Forouher et al. | Data flow analysis in ROS | |
| WO2021130983A1 (ja) | データ収集分析システム、データ収集分析装置、機械学習装置およびデータ収集分析方法 | |
| CN107872349B (zh) | 实时快照统计方法、装置及可读存储介质 | |
| KR20200129870A (ko) | 데이터 수집 및 분석 모니터링 시스템 및 그 제어방법 | |
| KR102606669B1 (ko) | IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 방법 및 시스템 | |
| US20220229423A1 (en) | System and method for operating an automated machine, automated machine, and computer-program product | |
| JP7427574B2 (ja) | 状態診断装置、及び状態診断方法 | |
| US20150277813A1 (en) | Information communication system, information processing device and information collecting method | |
| WO2021053717A1 (ja) | 異常判定装置及び異常判定方法 | |
| WO2021014550A1 (ja) | データ処理装置、方法、及びプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |